在狄更斯小说《双城记》的开篇，赫然写着这样一段话：「那是最美好的时代，那是最糟糕的时代；那是睿智的年月，那是蒙昧的年月；那是信仰的时期，那是怀疑的时期；那是阳光普照的季节，那是黑暗笼罩的季节；那是希望之春，那是失望之冬；人们面前应有尽有，人们面前一无所有。」

那个时代和当今这个时代是如此相似。

AI 无所不能，AI 同时又一无是处。人们既认为「短短几年间发生的事，足以让世界从此不同」，又觉得「可能什么也没有发生，世界还是原来的世界」。

Karpathy 今天发了一条推文，他说现在仅有约 5000 人能够接触到最前沿内部 AI 系统，大约有 60 亿人几乎从未与大语言模型有过接触。

大众与前沿领域对大语言模型（LLM）能力的认知鸿沟正在剧烈拉大，形成了一个极度不平衡的「金字塔漏斗」。

大约有 60 亿人几乎从未与大语言模型有过接触

卡帕西将人类对 LLM 的使用与认知划分为四个梯队，群体规模呈断崖式递减，而认知体验却天差地别。

根据统计，大约有 60 亿人（约占总人口的 75%）几乎从未与大语言模型有过接触。

大约有 10 到 20 亿用户（约占 20%）是偶尔使用类似 ChatGPT 免费产品的用户。

他们让 ChatGPT 修改邮件、查询信息，偶尔尝试让智能体安排一趟旅行。他们表示这些工具对他们来说并没有太大用处。甚至许多非数学和编程领域的专业人士也属于这一群体。

例如，许多高管和其他重要角色在与人交流时花费大量时间，虽然他们能够理解其中的逻辑，但这些信息仍然是间接的、有些抽象的。

卡帕西估计，约 2000 万人，也就是约 0.2% 的人口，正在数学、编程等领域深度使用前沿模型。他们看到的已不只是聊天窗口，而是可以读写文件、调用工具、运行测试、反复修正错误的智能体。

他们亲身感受到，那些过去需要数周甚至数月才能完成的复杂大型项目，现在可以通过简单的指令由人工智能程序来完成。

构建应用程序、复制应用程序、翻译应用程序、从二进制文件中反编译应用程序……所有这些事情都发生在很短的时间内——不到一年前，我们仍然需要手动编写代码，逐字输入计算机代码命令到代码编辑器中，偶尔使用 Tab 键来自动完成一部分代码。

最后，我们来看看那些拥有访问前沿级系统的人员——大概只有 5000 人。他们看到，成千上万的代理团队会花费数周时间致力于大型软件项目的开发：创造零日，以机器速度执行网络攻击和防御措施，探索新的科学领域，推动数学领域的进步。

与此同时，人类的审核和理解能力已经开始落后了。数学家们仍在消化之前出现的 722 份前沿数学手稿，试图搞清楚大模型究竟发现了什么。

为什么你的 AI「没用」

卡帕西也解释了为什么不同群体之间的体验差异会如此巨大。

核心的一点是：只有拥有大型、复杂且具备长远视角（Long-horizon）的难题时，前沿 LLM 的威力才会被真正释放。

人们通常从一个很小的问题开始认识 AI。请它解释一个名词、写一段祝福语，或者总结一篇文章。答案固然方便，却很难让人产生技术革命的震动。对模型来说，这样的请求也可能太简单，无法显露它真正的能力边界。

就像你用一台跑车在停车场里挪车，然后得出「这车没什么了不起」的结论。跑车的性能，需要一条开阔的公路才能显现。

另一个原因是：LLM 的能力在纯数字化、可验证且具备高经济价值的领域（如数学和代码）会率先迎来爆发。

为什么现在 AI 在写代码和做数学题上像「开挂」一样？

这是因为 RL（强化学习）依赖于可验证的反馈和商业利益驱动的环境。「对错分明」的特性给模型训练提供了源源不断的清晰信号，使得能力在这两个领域像滚雪球一样加速积累。

反观开放式的创意写作、情感分析或人文思考，好坏没有统一标准。就像让老师去批改一千篇风格各异的作文，很难给出绝对的对错标准。既然没有清晰的得分红利，AI 从中摸索规律的效率自然大打折扣。

DeepSeek-R1 的研究具体展示了如何用数学答案和代码测试提供规则化奖励。企业当然更愿意为能直接省时省力的技术活砸钱，研发资源随之向这些领域集中，优势自然越滚越大。

METR 曾提出以任务所需的人类工作时长衡量智能体能力，历史数据呈现大约每 7 个月翻倍的趋势。

不过，对 2025 年初工具进行的一项随机实验发现，熟悉自己代码库的资深开发者使用 AI 后，完成任务反而平均多花了 19% 的时间。

专家和研究参与者（经验丰富的开源贡献者）普遍高估了人工智能辅助工具能够提升开发效率的程度。当研究参与者能够使用 Cursor Pro 等人工智能工具时，开发任务所需的时间会增加 19%。

到了 2026 年，研究者又发现，越来越多程序员不愿接受禁止使用 AI 的实验条件，令新一轮效果评估出现了明显的样本偏差。

工具确实在变强，衡量它带来了多少生产力，却越来越困难。

最后是权限和资源的问题，从免费版到付费版，再到内部未公开的前沿版本，不同层级的用户能接触到的技术之间，存在着真实的代差。

a16z 的数据显示，AI 消费市场呈现出极端的幂律分布：排名前 1% 的付费用户，贡献了消费级 AI 市场 19.5% 的收入，甚至超过了后 50% 用户的总支出（16.6%）。

ChatGPT 目前的周活跃用户已达约 8.1 亿，付费用户仅约 3500 万，不及总量的 5%。

谁在替你定义 AI 的能力？

公众对 AI 的印象，很大一部分由少数可传播的片段拼成。

模型在视频里答错常识问题，足以收获一轮嘲讽；一位程序员展示智能体独立完成大型项目，也足以点燃另一轮狂热。

媒体和 KOL 的体验样本也难以逃离这种局限。多数人没有条件持续使用昂贵的前沿系统，更无法验证尚未公开的内部模型。

与此同时，走在最前面的研究人员、企业和开发者，也有自己擅长的问题与利益立场。

我们在今年四月写过一篇文章，指出了目前笼罩在整个 AI 行业的文化现象：

AI 行业，特别是以 Anthropic、OpenAI 为代表的公司，它们尽力维持着一种模型/AI 产品发布周期 (launch cycles)，每隔几个月甚至几周就有大版本发布，每天都有新功能推出。

然而，这种车轮滚滚的发布周期，如左脚踩右脚一般，已然形成了一种自我维系的新经济模式。「发布」这件事本身，以及围绕这些发布所撰写的营销物料和媒体报道，足以塑造、固化人们对于 AI 进步的认知，并且引发真实的财务后果（关联公司的股价涨跌）。

也就是说，AI 在认知意义上的进步，已经先于真实体验上的进步，甚至在很大程度上完全替代了后者。

发布取代了体验，炒作成为了现实。

发布会替我们预先感到兴奋，事故视频替我们预先感到失望。我们以为自己在评价一项技术，实际上经常只是在评价别人为它挑选的那个瞬间。